SMBの在庫最適化
物流フローを扱う中小企業（SMB）は、大規模なサプライチェーンネットワークを管理する必要はないかもしれませんが、特に急速に成長している場合は、在庫レベルを管理する必要があります。在庫管理は2つの問題があります。1つ目は資産管理、2つ目は在庫最適化です。Lokadは、予測最適化技術を通じて後者を提供します。Lokadは、いつ購入するか、いくつ購入するか、どこに配送するか、そして何も対策を取らないと滞留在庫になる可能性のある遅延在庫についてどうするかを教えてくれる在庫の共同パイロットと考えてください。当社の技術は、ボリュームが限られている（最初に販売または購入されるユニットが少ない）- および深さが限られている（10年未満の履歴）在庫回転に対応するように正確に設計されています。
たくさんの在庫アプリがありますが、見た目は良いですが、整理されたエクセルシートと比較して付加価値を提供することができないアプリもたくさんあります。もしアプリがエクセルでは不可能な在庫パフォーマンスを提供しない場合は、まず最初にそのようなアプリが必要な理由を疑問視するべきです。
Joannes Vermorel, Lokadの創設者
Lokad TV
3 Sproutsは、ベビー向けのユニークでモダンな製品をデザインしています。2007年以来、おもちゃやベビー用品はオンラインや世界中の小売店で購入できます。
3 Sproutsでは、急速に成長する中で在庫を管理するためのソリューションが必要でした。Lokadは、すべての市場の在庫を予測し、さまざまな倉庫に発注書を生成するシステムを作成しました。Lokadは、困難なプロセスを簡単かつより正確にしました。
Banu Khurana, 共同オーナー
ケーススタディ
予測的な在庫の共同操縦士
在庫レベルはバランスが必要です。少なすぎると顧客に適切にサービスが提供されず、多すぎると保管コストが高騰します。在庫管理ソフトウェアが導入されると、在庫レベルを最適化する機会が生まれます。Lokadは、これを予測的な最適化によって実現し、在庫レベルを低くし、サービスを向上させ、不要な在庫を減らし、生産性を向上させます。これは、補充などの日常業務に対応するための大規模な事務スタッフを雇う余裕のない小規模企業にとって特に重要です。特に、若い、ダイナミックな企業では、退屈な作業から解放された時間がさらなる成長を促す傾向があります。
通常、まずは「いつ、どれだけの数量を購入するか」という問題に取り組み、推奨の再注文数量を含む日次レポートを生成します。この作業には、発注スケジュール、サプライヤーの最小注文数量、価格の段階的な変化、一貫性のないリードタイム、複数の調達先など、多くの微妙な点が含まれる場合があります。Lokadは、これらの制約をすべて考慮に入れています。
ただし、ニーズに応じて、Lokadは在庫に関連するさまざまな問題にも対応しています。例えば、以下のようなことがあります：
- 長期保管料金を回避するためにFBAから在庫を引き上げる
- 2つ以上の場所の在庫をバランスさせる
- スコアカードを使用してサプライヤーの信頼性を評価する
- 商品を在庫に保持するかどうか、およびドロップシッピングを通じて提供するかどうかを決定する
- スロームーバーを特定し、不要な在庫を避けるためにプロモーションする
- ….
Lokadは「ソフトウェア+サービス」の組み合わせを提供しています。マネージドサービスに登録すると、サプライチェーンの科学者がアカウントに割り当てられます。彼らは、あなたの過去のデータを推奨の再注文数量などの具体的な数値に変換することを担当します。このエキスパートは、Lokadのテクノロジーを最大限に活用するために、ウェブアプリと予測的なサプライチェーン最適化に特化したドメイン固有のプログラミング言語であるEnvisionを活用しています。AI/ITの専門家になる必要はありません。
クラシックな予測を超えて
SMB向けには、単一の平均化された将来の予測だけを見る予測はうまく機能しません。在庫コストは極端な状況に集中しています：需要が厳しく過小評価されると在庫切れが発生し、逆に需要が厳しく過大評価されると不良在庫が発生します。その間、在庫はゆっくりと回転します。
しかし、市場にあるほとんどのソフトウェア製品は、SMBが直面する問題に対処するために適していないクラシックな時系列予測を選択しています。
Lokadは確率的予測技術を特徴としています：すべての可能な将来に確率を割り当てます。需要だけでなく、リードタイムや返品も予測します。不確実性の要素は一般的に予測する必要があります。
クラシックな安全在庫計算などの古い手法は、確率的予測に比べてはるかに劣っており、需要が断続的または不規則である場合にはうまく機能しません。各可能な将来に確率を割り当てること - つまり、極端なシナリオがもたらす損害を数量化すること - は、予測的な在庫最適化を実行するための第一歩です。
第二のステップは、すべての可能なオプションを見ることです。たとえば、SKUごとに単位ごとに再注文する数量をすべて見ます。SKUごとの最小/最大ポリシーによる補充ではなく、すべてのSKUを見ます。つまり、運用上の制約（MOQやバッチサイズなど）を考慮しながら、会社にとって最も投資対効果の高い1単位の在庫を見つけます。
これにより、最終的なステップに移ります：経済的な優先順位付けです。在庫の1単位ごとの購入の機会は、利益と損失のドルまたはユーロで評価されるべきです。これらの要素を経済ドライバーと呼びます：粗利、保有コスト、在庫切れのペナルティなど。最適化の最終結果は、不確実な将来と会社の戦略に完全に合致した再注文数量です。
リーンな在庫パフォーマンス
補充のために、Lokadウェブアプリは、今日再注文する必要のある数量と、その数量を説明するドルまたはユーロでのKPIを提供する表形式のレポートを提供します。
このレポートは、ウェブダッシュボードからアクセスしたり、Excelスプレッドシートとしてダウンロードしたり、自動的にERPにインポートするようにスケジュールすることもできます。
Lokadは、追加の加工や手動の微調整を必要としない数字を提供します。この偉業を達成するには、以下の2つの課題が必要です。
- 最新の確率的予測モデルと数値最適化ソルバーを備えた技術。
- 歴史データを活用し、避けられないデータの問題を軽減するために、エンドツーエンドの数値レシピを構築する優れた専門家。 実際に、多くの古典的な計画ソリューションはリーンの反対です：歴史データを手動で「クリーニング」する必要があり、予測モデルを手動で「調整」する必要があり、注文数量を手動で「調整」する必要があります。これらの操作は、従業員を消耗品のように扱います。
Lokadはその逆を提供します：会社にぴったりの特注数値レシピに投資し、資本化します。
| クラシックなソリューション | クラシックなソリューションの問題点 | Lokadが採用したソリューション |
|---|---|---|
| クラシックな予測（つまり、日次、週次、月次の平均） | 不規則または断続的な需要には機能しない | 不確実性を受け入れる確率的予測 |
| 予測モデルの調整と予測の編集 | 時間がかかり、回収が非常に悪い | 機械学習モデルの自己キャリブレーション |
| ABC分析 | SKUの粗い分類、多くのエッジケース | 各SKUの完全な複雑さを受け入れる |
| 最小/最大在庫メソッド | 死在庫の継続的な生成 | ROIに対して各追加の在庫単位を優先する |
| 安全在庫 | フィル率を保証しない安全でないアプローチ | 直接の在庫切れペナルティを反映した堅牢な最適化 |
| 設定可能なリードタイム | 変動するリードタイムや時間のかかるものには機能しない | 確率的予測を用いてリードタイムを学習し予測する |
| 設定可能な在庫カバー（つまり、在庫日数） | フィル率を保証しない代替の安全でないアプローチ | SKUごとに在庫カバーを経済的に最適化する |
| MOQ（最小注文数量）、価格ブレーク、複数の調達元 | サポートされていない、時間のかかる手動のオーバーライド | 特注ロジックを通じたネイティブサポート |
| 設定可能なアイテムごとの価格 | 需要は価格に独立していると仮定される | 製品価格を活用した需要予測 |